Обработка изображений в OpenCV на C++
Фильтрация изображений
Фильтрация изображений — это базовая операция в обработке изображений, в основном используемая для удаления шума с изображений или усиления определённых признаков. К распространённым методам фильтрации относятся усредняющий фильтр, фильтр Гаусса, медианный фильтр и пользовательские фильтры.
Усредняющий фильтр
Усредняющая фильтрация — это простой метод линейной фильтрации, который заменяет значение каждого пикселя изображения средним значением всех пикселей в его окрестности. Этот метод позволяет эффективно удалять шум, но также размывает изображение.
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;
cv::blur(src, dst, cv::Size(3, 3)); // 3x3的均值滤波
Фильтр Гаусса
Фильтрация Гаусса — это нелинейный метод фильтрации, использующий функцию Гаусса для вычисления весов пикселей в окрестности, тем самым сглаживая изображение. Удаляя шум, фильтрация Гаусса позволяет лучше сохранять информацию о краях изображения.
cv::GaussianBlur(src, dst, cv::Size(5, 5), 0); // 5x5的高斯滤波
Медианный фильтр
Медианная фильтрация — это нелинейный метод фильтрации, который заменяет значение каждого пикселя изображения медианой всех значений пикселей в его окрестности. Этот метод очень эффективен при удалении шума типа «соль и перец».
cv::medianBlur(src, dst, 5); // 5x5的中值滤波
Пользовательский фильтр
OpenCV позволяет пользователям настраивать ядро фильтра. С помощьюcv::filter2Dфункции можно реализовать пользовательские операции фильтрации.
cv::Mat kernel = (cv::Mat_<float>(3, 3) << 1, 0, -1, 0, 0, 0, -1, 0, 1); cv::filter2D(src, dst, -1, kernel);
Обнаружение краёв изображения
Обнаружение краёв — важная задача в обработке изображений, используемая для определения границ объектов на изображении. К распространённым методам обнаружения краёв относятся оператор Собеля и обнаружение краёв Кэнни.
Оператор Собеля
Оператор Собеля — это метод обнаружения краёв на основе градиента, позволяющий обнаруживать горизонтальные и вертикальные края на изображении.
cv::Mat grad_x, grad_y; cv::Sobel(src, grad_x, CV_16S, 1, 0); // 水平方向 cv::Sobel(src, grad_y, CV_16S, 0, 1); // 垂直方向 cv::convertScaleAbs(grad_x, grad_x); cv::convertScaleAbs(grad_y, grad_y); cv::addWeighted(grad_x, 0.5, grad_y, 0.5, 0, dst); // 合并结果
Обнаружение границ Canny
Обнаружение краёв методом Кэнни — это многоэтапный алгоритм обнаружения краёв, который позволяет эффективно находить края на изображениях и обладает высокой устойчивостью к шуму.
cv::Canny(src, dst, 100, 200); // 阈值1=100,阈值2=200
Морфологические операции над изображениями
Морфологические операции — это ряд операций, основанных на форме изображения, часто используемых для таких задач, как разделение переднего плана и фона и удаление шума. К распространённым морфологическим операциям относятся эрозия, дилатация, открытие, закрытие и морфологический градиент.
Эрозия
Операция эрозии позволяет устранить небольшие объекты или детали на изображении, делая объекты переднего плана меньше.
cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3)); cv::erode(src, dst, kernel);
Дилатация
Операция дилатации позволяет увеличивать объекты переднего плана на изображении; часто используется для заполнения отверстий в объектах переднего плана.
cv::dilate(src, dst, kernel);
Операция открытия
Открытие — это операция эрозии с последующей дилатацией, часто используемая для удаления небольших объектов или шума.
cv::morphologyEx(src, dst, cv::MORPH_OPEN, kernel);
Операция закрытия
Закрытие — это операция дилатации с последующей эрозией, часто используемая для заполнения небольших отверстий в объектах переднего плана.
cv::morphologyEx(src, dst, cv::MORPH_CLOSE, kernel);
Морфологический градиент
Морфологический градиент — это разность между дилатацией и эрозией; его можно использовать для выделения краёв объектов.
cv::morphologyEx(src, dst, cv::MORPH_GRADIENT, kernel);
Пороговая обработка изображения
Пороговая обработка изображения — это процесс преобразования изображения в бинарное изображение, часто используемый для сегментации изображений. Распространённые методы пороговой обработки включают бинаризацию, адаптивную пороговую обработку и метод Оцу.
Бинаризация
Бинаризация разделяет значения пикселей изображения на два класса в соответствии с заданным порогом, обычно используется для простой сегментации изображений.
cv::threshold(src, dst, 127, 255, cv::THRESH_BINARY);
Адаптивный порог
Адаптивный порог динамически вычисляет пороговое значение на основе локальных областей изображения и подходит для изображений с неравномерным освещением.
cv::adaptiveThreshold(src, dst, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, 11, 2);
Метод пороговой обработки Оцу
Метод Оцу — это метод автоматического определения порога, подходящий для изображений с бимодальными гистограммами.
cv::threshold(src, dst, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
Гистограмма изображения
Гистограмма — это инструмент, используемый в обработке изображений для анализа распределения яркости изображения. Распространённые операции с гистограммами включают вычисление гистограмм, эквализацию гистограммы и сравнение гистограмм.
Вычисление гистограммы
Гистограмма может отражать распределение значений пикселей на изображении.
cv::Mat hist;
int histSize = 256;
float range[] = {0, 256};
const float* histRange = {range};
cv::calcHist(&src, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange);
Выравнивание гистограммы
Выравнивание гистограммы может повысить контраст изображения, делая распределение яркости более равномерным.
cv::equalizeHist(src, dst);
Сравнение гистограмм
Сравнение гистограмм можно использовать для сравнения схожести двух изображений.
double compare = cv::compareHist(hist1, hist2, cv::HISTCMP_CORREL);
Примеры
К распространенным операциям обработки изображений в OpenCV относятся фильтрация, обнаружение краев, пороговая обработка, морфологические операции и обнаружение контуров. С помощью этих методов можно реализовать более сложные задачи обработки изображений.
Ниже приведены распространенные операции обработки изображений в OpenCV на C++ и примеры их кода:
1. Фильтрация изображений
Фильтрация изображений используется для удаления шума или усиления особенностей изображения.
1.1. Усредняющий фильтр
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Усредняющий фильтр
Mat blurredImage;
blur(image, blurredImage, Size(5, 5)); // ядро 5x5
imshow("Исходное изображение", image);
imshow("Размытое изображение", blurredImage);
waitKey(0);
destroyAllWindows();
return 0;
}
1.2 Фильтр Гаусса
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Фильтр Гаусса
Mat gaussianBlurredImage;
GaussianBlur(image, gaussianBlurredImage, Size(5, 5), 0); // ядро 5x5
imshow("Исходное изображение", image);
imshow("Изображение с гауссовым размытием", gaussianBlurredImage);
waitKey(0);
destroyAllWindows();
return 0;
}
1.3 Медианный фильтр
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Медианный фильтр
Mat medianBlurredImage;
medianBlur(image, medianBlurredImage, 5); // Размер ядра равен 5
imshow("Исходное изображение", image);
imshow("Изображение с медианным размытием", medianBlurredImage);
waitKey(0);
destroyAllWindows();
return 0;
}
2. Обнаружение краёв
Обнаружение границ используется для извлечения информации о границах изображений.
2.1 Обнаружение границ методом Canny
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Обнаружение границ методом Canny
Mat edges;
Canny(grayImage, edges, 100, 200); // Порог 1 и порог 2
imshow("Исходное изображение", image);
imshow("Границы Canny", edges);
waitKey(0);
destroyAllWindows();
return 0;
}
3. Пороговая обработка изображений
Пороговая обработка используется для преобразования изображения в бинарное изображение.
3.1 Простая пороговая обработка
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Простая пороговая обработка
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
imshow("Исходное изображение", image);
imshow("Бинарное изображение", binaryImage);
waitKey(0);
destroyAllWindows();
return 0;
}
3.2 Адаптивная пороговая обработка
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Адаптивная пороговая обработка
Mat adaptiveBinaryImage;
adaptiveThreshold(grayImage, adaptiveBinaryImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, 2);
imshow("Исходное изображение", image);
imshow("Адаптивное бинарное изображение", adaptiveBinaryImage);
waitKey(0);
destroyAllWindows();
return 0;
}
4. Морфологические операции
Морфологические операции используются для обработки формы и структуры изображений.
4.1 Эрозия и дилатация
Пример
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Бинаризация
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
// Операция эрозии
Mat erodedImage;
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
erode(binaryImage, erodedImage, kernel);
// Операция дилатации
Mat dilatedImage;
dilate(binaryImage, dilatedImage, kernel);
imshow("Исходное изображение", image);
imshow("Изображение после эрозии", erodedImage);
imshow("Изображение после дилатации", dilatedImage);
waitKey(0);
destroyAllWindows();
return 0;
}
5. Обнаружение контуров
Обнаружение контуров используется для извлечения контуров объектов на изображениях.
Пример
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "Ошибка: Не удалось загрузить изображение, проверьте правильность пути." << endl;
return -1;
}
// Преобразовать в оттенки серого
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Бинаризация
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
// Найти контуры
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binaryImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
// Рисуем контуры
Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++) {
drawContours(contourImage, contours, i, Scalar(0, 255, 0), 2);
}
imshow("Исходное изображение", image);
imshow("Контуры", contourImage);
waitKey(0);
destroyAllWindows();
return 0;
}